數據挖掘在人力資源信息分析中的應用

摘 "要：企業的競爭歸根結底是人才的競爭，如何全面掌握和合理利用人才資源是公司人力資源管理的首要問題。本文首先簡單介紹了數據挖掘技術的背景、常用技術及運作流程，在此基礎上闡述了數據挖掘技術在人力資源信息系統中的應用。

關鍵詞：數據挖掘;人力資源;信息系統

伴隨著知識型經濟時代的來臨，公司的組織形態和生產方式發生了根本改變，企業競爭的焦點由物質資源的競爭轉化為人才資源的競爭。如何較少人才流失，保持企業員工的工作熱情，最大限度的開發和利用人才，實現企業人力資源系統化的管理，成為企業經營者和人力資源管理者面臨的重要問題。

一、數據挖掘概述

數據挖掘是一種新的信息處理技術，是指在沒有明確假設的前提下去挖掘信息、發現知識。數據挖掘與傳統的數據分析有著本質的區別，傳統的數據分析是根據已有的數據進行分析，從海量的信息中提取有效信息從而形成結論，而數據挖掘是從大量的模糊數據中提取潛在的有用知識，挖掘到的知識是未曾預料到的、甚至是違背直覺的，先未知、有效和實用是衡量數據挖掘到的信息的三個標準。

數據挖掘技術是機器學習、統計及決策支持系統三者相結合的產物，由算法和技術、數據、建模能力三部分構成，其主要任務是關聯分析、聚類分析、分類、預測和偏差分析，數據挖掘的基本過程和主要步驟如圖1所示。

圖1 "數據挖掘的基本過程和主要步驟示意圖

二、數據挖掘在人力資源信息分析中的應用

（一）數據挖掘在招聘環節的應用。首先企業要根據發展戰略目標，進行工作分析，制定人力資源規劃，具體分析擬招聘人數、招聘標準，認清數據挖掘的目的;其次人力資源部招聘專員在平臺上發布招聘廣告，招聘廣告的內容包括公司的基本情況、招聘崗位、應聘人員的基本條件及截止日期，從網站的數據庫中獲得簡歷數據，將應聘人員作為數據倉庫，從中選擇出適用于數據挖掘應用的數據;再次，利用數據挖掘工具在數據中查找模型，將數據轉換成一個分析模型，常用的數據挖掘模型有：神經網絡方法、決策樹方法、遺傳算法、粗集方法、統計分析方法、模糊集方法，根據不同崗位對人才的不同需求對各種人才進行分類和比較，判斷哪類人才更適合該崗位，最后是結果分析，由于所選取的變量不同，輸出結果不同，從而導致最終形成的結果報告也有著差異性，數據挖掘人員可采用直觀量化的評分技術，將應聘人員的信息數據以某種權重加以衡量，針對各種目標給出量化評分，確定是否讓應聘者參見面試。數據挖掘技術的應用，提高了模型的精度，滿足了招聘的需要。

（二）數據挖掘在預防人才流失方面的應用。首先企業要進行數據整理，建立離職人員基本信息數據庫，將與離職有關的離職申請與離職面談記錄等文件進行整理，使用COID系統的

ID自動產生器，構建離職人員信息表;其次根據離職申請及離職面談相關資料，構造預防人才流失的選擇樹分類圖，通過分析離職人員信息表可以發現，造成員工離職的原因有以下幾方面：薪酬待遇過低達不到員工的滿意度;工作壓力過大不能正確處理人際關系;個人發展空間有限;最后構建選擇樹模型，針對離職原因選擇有效的預防措施，研究發現，在所有離職的原因中，待遇不滿意是員工選擇離職的首要原因，針對這一結果，企業要進一步完善薪酬體系和福利設計，避免由于這一原因造成的人才流失，工作環境不滿意造成的人員離職比例較高，針對這一結果，企業要加強對員工的溝通，了解員工的需求，調整或改進工作的軟、硬環境。個人發展空間有限在離職比例中呈上升趨勢，針對這一結果，企業要注意給員工提供培訓和發展的機會，為他們進行職業生涯設計， 達到公司與個人雙贏。在人力資源管理數據基礎上，采用數據挖掘技術，可以實現分析結果的動態發布，對預防公司人才流失有重要應用價值。

（三）數據挖掘在完善人力資源精確管理中的應用。數據挖掘技術應用到人力資源精確管理上可有效解決人力資源配置不合理的問題，優化人力資源配置，提高人力資源投入產出效率。要想實現人力資源的精確化管理就要明確工作標準，將工作內容具體化和定量化。首要的工作是對原始數據進行處理，通過挖掘以往工作量的歷史數據及對工作人員進行實地的調查的方式明確工作崗位的定額標準，使每項工作量化為同一單位，建立生產力標準;其次應用工時池模型將工作流程分解成標準化簡單勞動。最后將員工每天完成工作量的信息數據輸入到知識庫中，將員工的實際工作量和設定工作量標準進行比較，當發現員工的實際工作量與設定工作量標準差距較大時，管理層應及時對員工生產流程進行調整，以實現對崗位的有效管控。通過挖掘員工的信息數據，可以使企業了解員工的具體工作情況，發現工作中的最優人才，為人才的選撥提供依據。

結語：隨著時代的進步，人類己從工業經濟時代跨入了信息時代，信息技術已滲透到人力資源管理的各個方面，在人才的引用、選撥及預防人才流失等方面發揮著重要作用，為此企業應運用數據挖掘技術，逐步建立起適合自身特點的人力資源信息系統，從而提升企業的核心競爭力。